SWWR – STATISTIKA 2 – ATA2016/2017 HAL.

BAB 1. DISTRIBUSI SAMPLING

(Distribusi Penarikan Sampel)
I. PENDAHULUAN

 Bidang Inferensia Statistik membahas generalisasi/penarikan

kesimpulan dan prediksi/ peramalan. Generalisasi dan prediksi
tersebut melibatkan sampel/contoh, sangat jarang menyangkut
populasi.

 Sensus = pendataan setiap anggota populasi

 Sampling = pendataan sebagian anggota populasi = penarikan

contoh = pengambilan sampel

 Pekerjaan yang melibatkan populasi tidak digunakan, karena:

1. mahal dari segi biaya dan waktu yang panjang
2. populasi akan menjadi rusak atau habis jika disensus
misal : dari populasi donat ingin diketahui rasanya,
jika
semua donat dimakan, dan donat tidak tersisa,
tidak ada yang dijual?

 Sampel yang baik  Sampel yang representatif

Besaran/ciri sampel (Statistik Sampel)
memberikan gambaran yang tepat mengenai
besaran ukuran populasi (Parameter
Populasi)

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi?

perhatikan tabel berikut:
SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 2

Ukuran/Ciri Parameter Populasi Statistik Sampel

Rata-Rata  : (myu) x : (x bar)

Selisih 2 Rata-rata 1  2 : (nilai x1  x 2 : (nilai
mutlak) mutlak)
Standar Deviasi =  : (sigma) S
Simpangan Baku
Varians = Ragam ² s²
Proporsi  : (phi atau p) p atau p

Selisih 2 proporsi 1   2 :(nilai p1  p2 : (nilai
mutlak ) mutlak)

catatan : pada Nilai Mutlak, nilai negatif diabaikan

misal : n 3 - 7 = -4  = 4

Sampel yg baik diperoleh dengan memperhatikan hal-hal berikut :

1. keacakannya (randomness)
2. ukuran
3. teknik penarikan sampel (sampling) yang sesuai dengan
kondisi atau sifat populasi

Sampel Acak = Contoh Random  dipilih dari populasi di

mana setiap anggota populasi memiliki peluang yang sama
terpilih menjadi anggota ruang sampel.

 BEBERAPA TEKNIK PENARIKAN SAMPEL :

1. Penarikan Sampel Acak Sederhana (Simple

Randomized
Sampling)
Pengacakan dapat dilakukan dengan : undian, tabel bilangan
acak, program komputer.

2. Penarikan Sampel Sistematik (Systematic Sampling)

Tetapkan interval lalu pilih secara acak anggota pertama
sampel.
SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 3

Contoh : Ditetapkan interval = 20

Secara acak terpilih : Anggota populasi ke-7
sebagai anggota ke-1 dalam sampel, maka :
Anggota populasi ke-27 menjadi anggota ke-2
dalam sampel
Anggota populasi ke-47 menjadi anggota ke-3
dalam sampel,
dst.

3. Penarikan Sampel Acak Berlapis (Stratified Random

Sampling)

Populasi terdiri dari beberapa kelas/kelompok. Dari setiap

kelas diambil sampel secara acak.

Perhatikan !!!!
Antar Kelas bersifat (cenderung) berbeda nyata (heterogen).
Anggota dalam suatu kelas akan (cenderung) sama
(homogen).

Contoh :
Dari 1500 penumpang KA (setiap kelas memiliki
ukuran yang sama) akan diambil 150 orang sebagai
sampel, dilakukan pendataan tentang tingkat kepuasan,
maka sampel acak dapat diambil dari :
Kelas Eksekutif : 50 orang
Kelas Bisnis : 50 orang
Kelas Ekonomi : 50 orang
SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 4

4. Penarikan Sampel Gerombol/Kelompok (Cluster

Sampling)
Populasi juga terdiri dari beberapa kelas/kelompok
Sampel yang diambil berupa kelompok bukan individu
anggota

Perhatikan !!!!
Antar Kelas bersifat (cenderung) sama (homogen). Anggota
dalam suatu kelas akan (cenderung) berbeda (heterogen).

Contoh :
Terdapat 40 kelas untuk tingkat II Jurusan TI-UG, setiap
kelas terdiri dari 100 orang. Populasi mahasiswa kelas 2,
TI- -UG = 40  100 = 4000.
Jika suatu penelitian dilakukan pada populasi tersebut dan
sampel yang diperlukan = 600 orang, dilakukan pendataan
mengenai lama waktu belajar per hari maka sampel dapat
diambil dari 6 kelas.... Dari 40 kelas, ambil secara acak 6
kelas.

5. Penarikan Sampel Area (Area Sampling)

Prinsipnya sama dengan Cluster Sampling.
Pengelompokan ditentukan oleh letak geografis atau
administratif.

Contoh : Pengambilan sampel di daerah JAWA BARAT,

dapat dilakukan dengan memilih secara acak
KOTAMADYA tempat pengambilan sampel, misalnya
terpilih, Kodya Bogor, Sukabumi dan Bandung.

Sampel acak menjadi dasar penarikan sampel lain. Selanjutnya,

pembahasan akan menyangkut Penarikan Sampel Acak.
SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 5

 Penarikan Sampel Acak dapat dilakukan dengan 2 cara

1. Penarikan sampel tanpa pemulihan/tanpa pengembalian :

setelah didata, anggota sampel tidak dikembalikan ke dalam
ruang sampel

2. Penarikan sampel dengan pemulihan : bila setelah didata,

anggota sampel dikembalikan ke dalam ruang sampel.

 Berdasarkan Ukurannya, maka sampel dibedakan menjadi :

1. Sampel Besar jika ukuran sampel (n)  30

2. Sampel Kecil jika ukuran sampel (n) < 30

II. DISTRIBUSI PENARIKAN SAMPEL

( DISTRIBUSI SAMPLING)

 Jumlah Sampel Acak yang dapat ditarik dari suatu populasi

adalah sangat banyak.

 Nilai setiap Statistik Sampel akan bervariasi/beragam antar

sampel.
 Suatu statistik dapat dianggap sebagai peubah acak yang
besarnya sangat tergantung dari sampel yang kita ambil.

 Karena statistik sampel adalah peubah acak maka ia

mempunyai distribusi yang kita sebut sebagai : Distribusi
peluang statistik sampel = Distribusi Sampling = Distribusi
Penarikan Sampel

Statistik sampel yg paling populer dipelajari adalah Rata-Rata ( x )

SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 6

II.1. DISTRIBUSI SAMPLING RATA-RATA

Beberapa notasi :
n : ukuran sampel N : ukuran populasi
x : rata-rata sampel  : rata-rata populasi
s : standar deviasi sampel  : standar deviasi populasi
x : rata-rata antar semua sampel
x : standar deviasi antar semua sampel = standard error = galat
baku

II.1.1.Distribusi Sampling Rata Rata Sampel Besar

DALIL - 1

JIKA …….
Sampel: 
berukuran = n  30  diambil DENGAN PEMULIHAN dari
rata-rata = x 
 Populasi berukuran = N
 Terdistribusi NORMAL
 Rata-rata =  ; simpangan baku = 

MAKA………
Distribusi Rata-rata akan mendekati distribusi Normal dengan :
 x
x =  dan x 
n
dan nilai z
 n
SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 7

DALIL - 2

JIKA …….
Sampel: 
berukuran = n  30  diambil TANPA PEMULIHAN dari
rata-rata = x 
 Populasi berukuran = N
 Terdistribusi NORMAL
 Rata-rata =  ; simpangan baku = 
MAKA……….

Distribusi Rata-rata akan mendekati distribusi Normal dengan :

x
 N n z
x =  dan x 
n N 1
dan nilai ( / n )
N n
N 1
N n
 N 1
disebut sebagai FAKTOR KOREKSI populasi terhingga.

 Faktor Koreksi (FK) akan menjadi penting jika sampel

berukuran n diambil dari populasi berukuran N yang terhingga/
terbatas besarnya

 Jika sampel berukuran n diambil dari populasi berukuran N

N n
yang sangat besar maka FK akan mendekati 1  N 1
 1, hal
ini mengantar kita pada dalil ke-3 yaitu :
DALIL LIMIT PUSAT = DALIL BATAS TENGAH
( THE CENTRAL LIMIT THEOREM )
SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 8

DALIL - 3 : DALIL LIMIT PUSAT

JIKA….
Sampel: 
berukuran = n  diambil dari
rata-rata = x 
 Populasi berukuran = N yang BESAR
 distribusi : SEMBARANG
 Rata-rata =  ; simpangan baku = 

MAKA…….
Distribusi Rata-rata akan mendekati distribusi Normal dengan :
 x
x =  dan x 
n
dan nilai z
 n

 Dalil Limit Pusat berlaku untuk :

1. penarikan sampel dari populasi yang sangat besar,
2. distribusi populasi tidak dipersoalkan

 Beberapa buku mencatat hal berikut : Populasi dianggap

BESAR
jika ukuran sampel
n
KURANG DARI 5 % ukuran populasi atau N  5%

Dalam pengerjaan soal DISTRIBUSI SAMPLING RATA-RATA

perhatikan asumsi-asumsi dalam soal sehingga anda dapat dengan

mudah dan tepat menggunakan dalil-dalil tersebut!

CONTOH - 1:
SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 9

PT AKUA sebuah perusahaan air mineral rata-rata setiap hari

memproduksi 100 juta gelas air mineral. Perusahaan ini
menyatakan bahwa rata-rata isi segelas AKUA adalah 250 ml
dengan standar deviasi = 15 ml. Rata-rata populasi dianggap
menyebar normal.

SOAL 1.
Jika setiap hari diambil 100 gelas AKUA sebagai sampel acak
DENGAN PEMULIHAN, hitunglah :
a. standard error atau galat baku sampel tersebut?
b. peluang rata-rata sampel akan berisi kurang dari 253 ml?

SOAL 2.
Jika sampel diperkecil menjadi 25 gelas, hitunglah :
a. standard error atau galat baku sampel tersebut?
b. peluang rata-rata sampel akan berisi lebih dari 255 ml?

JAWAB :
SOAL 1 :
Diselesaikan dengan DALIL 1  karena PEMULIHAN, n30
Diselesaikan dengan DALIL 3  karena POPULASI SANGAT
BESAR (n/N < 5%)

N = 100 000 000 x =  = 250  = 15 n = 100

P( x < 253) = P(z < ?)

a. Standar Error atau Galat Baku Sampel

 15 15
GALAT BAKU =   n  100  10  15.
x

253  250 3
z   2.0
15
. 15
.

Jadi P( x < 253) = P(z < 2.0) = 0.5 + 0.4772 = 0.9772

SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 10

b. Peluang rata-rata sampel akan berisi kurang dari 253 ml adalah

97,72 %

SOAL 2.
Diselesaikan dengan DALIL 3  karena POPULASI SANGAT
BESAR karena n/N < 5%

N = 100 000 000 x =  = 250  = 15 n = 25

P( x > 255) = P(z > ?)

a. standard error atau galat baku sampel

 15 15
GALAT BAKU =   n  25  5  3.0
x

255  250 5
z   1.67
3.0 3.0

Jadi P( x > 255 ) = P(z > 1.67) = 0.5 - 0.4525 = 0.0475

b. Jadi … peluang rata-rata sampel akan berisi lebih dari 255 ml

adalah 4,75 %

CONTOH - 2 :
Dari 500 mahasiswa Fikti-UG diketahui rata-rata tinggi badan =
165 cm dengan standar deviasi = 12 cm, diambil 36 orang sebagai
sampel acak. Jika penarikan sampel dilakukan TANPA
PEMULIHAN dan rata-rata tinggi mahasiswa diasumsikan
menyebar normal, hitunglah :
SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 11

a. dalil brp yg digunakan dan sebutkan alasannya

b. galat baku sampel?
c. peluang sampel akan memiliki rata-rata tinggi badan kurang
dari 160 cm?

JAWAB :
Diselesaikan dengan DALIL 2  TANPA PEMULIHAN
N = 500  x =  = 165  = 12 n = 36
n 36
Catatan N  500 = 0.072 = 7.2% > 5%  Dalil Limit Pusat tidak dapat
digunakan

P( x < 160) = P(z < ?)

N n 500  36 464
FK = N 1

500  1

499
 0.929...  0.964...

 12
GALAT BAKU x  x FK =
n 36
 0.964... = 2 x 0.964...
= 1.928...

160  165
z  2.59...
1.928...
P( x < 160) = P(z < -2.59) = 0.5 - 0.4952 = 0.0048

b. jadi … peluang sampel akan memiliki rata-rata tinggi badan

kurang dari 160 cm adalah 0,48%
c. jumlah sampel yg tingginya < 160 cm = 36 x 0,48% = 1,728
org
( 1 sd 2 org)
II.1.2. Distribusi Sampling Rata-rata Sampel Kecil

DISTRIBUSI t (t student)
 Distribusi Sampling didekati dengan
distribusi t Student = distribusi t (W.S. Gosset).
SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 12

 Lihat Buku Statistika-2, hal 177

Distribusi-t pada prinsipnya adalah pendekatan distribusi

sampel kecil dengan distribusi normal.
Dua hal yang perlu diperhatikan dalam Tabel t adalah
1 1. derajat bebas (db)
2 2. nilai 

 Derajat bebas (db) = degree of freedom = v = n - 1.

n : ukuran sampel.

 Nilai  adalah luas daerah kurva di kanan nilai t

atau
luas daerah kurva di kiri nilai –t

 Nilai   0.1 (10%) ; 0.05 (5%) ; 0.025(2.5%) ; 0.01 (1%) ;

0.005(0.5%)
Nilai  terbatas karena banyak kombinasi db yang harus
disusun!

 Kelak Distribusi t akan kita gunakan dalam PENGUJIAN

HIPOTESIS

Nilai  ditentukan terlebih dahulu

Lalu nilai t tabel ditentukan dengan menggunakan nilai  dan

db.
SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 13

Nilai t tabel menjadi batas selang pengujian

Lalukan pembandingan nilai t tabel dengan nilai t hitung.

Nilai t hitung untuk kasus distribusi rata-rata sampel kecil

didapat dengan menggunakan DALIL 4

 Pembacaan Tabel Distribusi-t

Misalkan n = 9  db = 8; Nilai  ditentukan = 2.5% di kiri dan

kanan kurva
t tabel (db, ) = t tabel(8; 0.025) = 2.306
Jadi t = 2.306 dan -t = -2.306

2.5% 95 % 2.5%

-2.306 0 2.306

Arti Gambar di atas :

nilai t sampel berukuran n = 9, berpeluang 95% jatuh dalam
selang -2.306 < t < 2.306.
Peluang t >2.306 = 2.5 % dan Peluang t < -2.306 = 2.5 %
Coba cari nilai t tabel untuk beberapa nilai db dan  yang lain!
 Perbedaan Tabel z dan Tabel t
Tabel z  nilai z menentukan nilai 
Tabel t  nilai  dan db menentukan nilai t
SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 14

 Dalam banyak kasus nilai simpangan baku populasi () tidak

diketahui, karenanya nilai  diduga dari nilai simpangan baku
sampel (s)

DALIL - 4

JIKA…
Sampel: 
ukuran KECIL n < 30  diambil dari
rata-rata = x simp. baku = s 
 Populasi berukuran = N
 terdistribusi : NORMAL
 Rata-rata = 
MAKA….
Distribusi Rata-rata akan mendekati distribusi-t dengan :
s x
x =  dan x 
n dan nilai t
s n

pada derajat bebas = n-1 dan suatu nilai 

Contoh 3 :
Manajemen PT BENTUL menyatakan bahwa 95% rokok
produksinya rata-rata mengandung nikotin 1.80 mg, data tersebar
normal.Yayasan Konsumen melakukan pengujian nikotin
terhadap 9 batang rokok dan diketahui rata-rata sampel = 1.95 mg
nikotin dengan standar deviasi = 0.24 mg. Apakah hasil penelitian
Yayasan Konsumen mendukung pernyataan Manajemen PT
BENTUL?

Jawab :
95 % berada dalam selang  berarti 5 % berada di luar selang;
2.5 % di kiri -t dan 2.5% di kanan t
 = 2.5 % = 0.025
n = 9  db = n - 1 = 8
SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 15

t tabel (db, ) = t tabel (8; 0.025) = 2.306

Jadi 95 % berada dalam selang -2.306 < t < 2.306

Nilai t-hitung = ?
 = 1.80 n=9 x = 1.95 s = 0.24
x 1.95  180
. 0.15
t 
s n = t 
0.24 9

0.08
 1875
.

Nilai t hitung = 1.875 berada dalam selang -2.306 < t < 2.306
jadi hasil penelitian Yayasan Konsumen masih sesuai dengan
pernyataan manajemen PT BENTUL.

II.1.3.Distribusi Sampling Bagi Beda 2 Rata Rata

DALIL - 5

JIKA….
Dua (2) Sampel 
SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 16

berukuran n1 dan n2  diambil dari

rata-rata = x1 dan x2   Dua (2) Populasi berukuran BESAR
 Rata-rata 1 dan 2
 Ragam 12 dan  2 2

MAKA….
Distribusi Rata-rata akan mendekati distribusi Normal dengan :
12 22
x1  x2
 1  2 dan standard error = x1  x2 
n1

n2
dan
x1  x2  1  2
z
nilai z 12 22

n1 n2

 Beda atau selisih 2 rata-rata = 1  2  ambil nilai

mutlaknya!

 Melibatkan 2 populasi yang BERBEDA dan SALING BEBAS

 Sampel-sampel yang diambil dalam banyak kasus (atau jika

dilihat secara akumulatif) adalah sampel BESAR

Contoh 4:
Diketahui rata-rata IQ mahasiswa Eropa = 125 dengan ragam =
119 sedangkan rata-rata IQ mahasiswa Asia = 128 dengan ragam
181. diasumsikan kedua populasi berukuran besar.
Jika diambil 100 mahasiswa Eropa dan 100 mahasiswa Asia
sebagai sampel, berapa peluang terdapat perbedaan IQ kedua
kelompok akan kurang dari 2?
SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 17

Jawab :
Populasi
Parameter populasi ke-1 (Mhs. populasi ke-2 (Mhs.
Eropa) Asia)
Rata-rata 125 128
()
Ragam (²) 119 181
Beda 2 Rata-rata = x  x  1  2
1 2 = 125  128   3  3

Sampel : n1 = 100 n2 = 100

P( x  x <2 ) = P ( z < ?)
1 2

x1  x2  1  2 23 1
z    0577
. ...  058
.
 2
 2 119 181

3
1
 2 100 100
n1 n2

P(z<-0.58) = 0.5 - 0.2190 = 0.2810

JADI peluang terdapat perbedaan IQ kedua kelompok akan

kurang dari 2 adalah 28,1 %.

 SWWR 

TABEL DISTRIBUSI NORMAL (Z)
SWWR – STATISTIKA 2 – ATA2016/2017 HAL. 18

Tabel t Student (W.S. Gosset)